A perfect dust storm (attribution)

ہوا کی آلودگی پر ہوا کے اثر و رسوخ کے بارے میں ہم کافی بار لکھ چکے ہیں، اور کس طرح تیز ہوائیں (یا، زیادہ واضح طور پر، مضبوط وینٹیلیشن ) بہت کم وقت میں ہوا کو صاف کرنے میں مدد کر سکتی ہیں۔ لیکن ہمیں کبھی بھی اس رجحان کے متحرک تصور پر تخلیق کرنے کا موقع نہیں ملا، لہذا یہ مضمون اسی کے بارے میں لکھ رہا ہے۔

جب بات ہوائی معیار کی پیشن گوئی کی ہو تو، بہتر درستگی کی کلید پیشین گوئی کے ماڈل کو بہتر بنانا ہے، اور ہر ملک کے لیے ایک مخصوص ماڈلائزیشن بنانا ہے، اور اس سے بھی بہتر، ہر شہر کے لیے۔ مثال کے طور پر، بیجنگ میں، یہ شمال میں پہاڑوں اور جنوب میں ہیبی کی قربت ہے جو ماڈل کی وضاحت کرتا ہے:

• جنوبی ہوا بیجنگ میں آلودگی میں اضافہ کرتی ہے: اگر ہوا کافی تیز نہیں ہے (یعنی کافی ہوادار نہیں ہے)، تو یہ ذرات پہاڑوں سے بند ہو جائیں گے اور شمال کی طرف مزید نہیں بڑھ سکیں گے، اس طرح ایک گھنے ذرات پیدا ہو جائیں گے۔ بیجنگ میں حراستی
• شمالی ہوا آلودگی کو صاف کرتی ہے: جب ہوا شمال سے کافی حد تک چلتی ہے تو ہوا تقریباً فوراً صاف ہو جاتی ہے کیونکہ شمال میں کوئی "آلودگی کا ذریعہ" نہیں ہے (یا کم از کم، جنوب کی نسبت بہت کم)۔

یہ وہی ہے جو نیچے کی حرکت پذیری میں دیکھ سکتا ہے، جس میں آلودگی کے ذرائع من مانی طور پر موجود ہیں جہاں مانیٹرنگ اسٹیشن ہیبی میں واقع ہیں۔ آلودگی کا ہر ذریعہ ہر گھنٹے میں ایک ذرہ خارج کرتا ہے۔ ایک زون میں ذرات کی تعداد جتنی زیادہ ہوگی، آلودگی اتنی ہی زیادہ ہوگی (نیلے رنگ کم ارتکاز سے مطابقت رکھتا ہے، سرخ ~ بھورا زیادہ ارتکاز سے)۔ ہوا کا ماڈل گلوبل فارکاسٹ سسٹم (عرف GFS) پر مبنی ہے۔

یقیناً یہ پیچیدہ ماڈلز کے مقابلے میں ایک بہت ہلکا ماڈل ہے جس کے لیے پوری دنیا کی ہوا کے معیار کی پیشن گوئی کا حساب لگانے کے لیے سپر کمپیوٹر پروسیسنگ پاور کی ضرورت ہوتی ہے۔ لیکن اس میں ہوا کے معیار کی پیشن گوئی کے پیچھے بنیادی تصور کو بصری طور پر بیان کرنے کا فائدہ ہے۔

زیادہ درست ہونے کے لیے، ماڈل میں عمودی ونڈ پروفائل کے ساتھ ساتھ کئی اونچائیوں (پرتوں) کی پیشن گوئی بھی شامل ہونی چاہیے - فی الحال، ماڈل صرف 10 میٹر، 100 میٹر اور 5 کلومیٹر پر پیشن گوئی کا استعمال کر رہا ہے۔ مزید برآں، آلودگی کے ذرائع زیادہ مکمل ہونے چاہئیں اور ان میں مجموعی عالمی ذرائع شامل ہیں - فی الحال صرف ہیبی کے ذرائع شامل ہیں۔

آخری، بہت سی تحقیقی رپورٹس نے مشین لرننگ یا مصنوعی ذہانت پر مبنی ہوا کے معیار کی پیشن گوئی کے نظام کی چھان بین کی ہے۔ اس کے پیچھے تصور یہ ہے کہ مشاہدہ شدہ اعداد و شمار کا پیش گوئی شدہ ڈیٹا سے موازنہ کرکے "سیکھنا" اور دہرائے جانے والے نمونوں کی شناخت کی جائے (جیسا کہ دائیں طرف کے خاکہ پر دکھایا گیا ہے)۔

کاغذ پر، مشین لرننگ پر مبنی پیشن گوئی کا نظام اچھا لگتا ہے، لیکن حقیقت میں، کیا وہ روایتی ڈیٹرمنسٹک ماڈلز (جسے ہم ورلڈ ایئر کوالٹی انڈیکس پروجیکٹ میں ترجیح دیتے ہیں) سے بہتر ہیں؟ Talithia Williams کی طرف سے 'Own your body's data' پر بہترین TED گفتگو کا حوالہ دیتے ہوئے، اس سوال کا ہمارا جواب ہے "ہمیں ڈیٹا دکھائیں!"، اور یہی وہ چیز ہے جس کے بارے میں ہم اپنے اگلے مضمون میں پیشین گوئی پر لکھیں گے!